Studentų informacinės elgsenos pokyčiai ir komunikacijos sprendimai dirbtinio intelekto kontekste
DOI:
https://doi.org/10.59476/mtt2026.v1i22.768Keywords:
informacinė elgsena, dirbtinis intelektas, aukštasis mokslasAbstract
Straipsnyje analizuojami studentų informacinės elgsenos pokyčiai ir komunikacijos sprendimai dirbtinio intelekto (DI) kontekste, atliepiant iššūkius, kylančius dėl studentų aktyvaus DI įrankių naudojimo studijose. Sparčiai kintanti studentų informacinė elgsena bei aiškių procedūrų ir išsamios komunikacijos dėl DI naudojimo studijose trūkumas suponuoja nuoseklių tyrimų poreikį, tačiau studentų informacinė elgsena DI kontekste tik pradedama analizuoti. Šis tyrimas atliktas siekiant ištirti studentų informacinės elgsenos pokyčius DI plėtros kontekste ir panaudoti gautas įžvalgas studijų procesui bei komunikacijai su studentais gerinti. Tyrimo teorinis pagrindas yra T. D. Wilsono bendrasis informacinės elgsenos modelis. Tyrimui atlikti pasitelkti mokslinės literatūros analizės, studentų diskusijų grupės ir studentų anketinės apklausos tyrimo metodai, analizuojant vienos aukštosios mokyklos – Kauno kolegijos atvejį. Tyrimo rezultatai rodo, kad studentai pastebi dėl DI įrankių pasikeitusią informacinę elgseną, įžvelgia galimus teigiamus ir neigiamus DI įrankių naudojimo studijose aspektus, suvokia galimą įtaką studijų rezultatams ir asmeniniams gebėjimams. Rezultatai rodo nerimą dėl silpnėjančio savarankiško bei kritinio mąstymo, kartu atkreipiant dėmesį į mažėjančią švietimo ir studijų kokybę. Studentai pažymi kritinio mąstymo svarbą, poreikį išmokti tinkamai ir etiškai naudoti DI įrankius studijose bei akcentuoja būtinus skubius švietimo ir studijų sistemos pokyčius. Gauti rezultatai pabrėžia aiškių mokymų metodų, kurie stiprintų dėstytojų ir studentų bendradarbiavimą sistemingai ugdant DI raštingumą ir kritinį mąstymą, poreikį, taip pat nuoseklios komunikacijos apie DI technologijų integravimą į studijų procesus būtinybę. Bendrojo informacinės elgsenos modelio kontekste DI įrankiai yra labai tinkami mažiausių pastangų principu priimamam sprendimui pasiekti bei keičia patį informacijos radimo ir apdorojimo procesą, bei kvestionuoja šio proceso dalyvio (asmens) reikšmę kuriant naują informaciją, formuojant savo nuomonę ir įžvalgas, bei pritaikant šią suasmenintą informaciją kaip praktines žinias.
References
1. Akakpo, M. G. (2024). Skilled for the future: Information literacy for AI use by university students in Africa and the role of librarians. Internet Reference Services Quarterly, 28(1), 19–26. https://doi.org/10.1080/10875301.2023.2280566
2. American Library Association. (2000). Information literacy competency standards for higher education. http://hdl.handle.net/10150/105645
3. Antony, V. N., & Huang, C. M. (2025). ID. 8: Co-creating visual stories with generative AI. ACM Transactions on Interactive Intelligent Systems, 14(3), 1–29. https://doi.org/10.1145/3672277
4. Astuti, S. W. (2022). Social media effect on loneliness, rumination and social comparison. Webology, 19(1), 6430–6440. https://www.webology.org/data-cms/articles/20220206041422pm19425.pdf
5. Bertoncini, A. L. C., & Serafim, M. C. (2023). Ethical content in artificial intelligence systems: A demand explained in three critical points. Frontiers in Psychology, 14, 1074787. https://doi.org/10.3389/fpsyg.2023.1074787
6. Buick, A. (2025). Copyright and AI training data—transparency to the rescue? Journal of Intellectual Property Law and Practice, 20(3), 182–192. https://doi.org/10.1093/jiplp/jpae102
7. Cahyaningtyas, D. F. (2025). Tren penggunaan kecerdasan buatan dalam pembelajaran mahasiswa sarjana dan diploma Fakultas Ekonomi dan Bisnis Universitas Udayana. Daluang: Journal of Library and Information Science, 4(2), 126–135. https://doi.org/10.21580/daluang.v4i2.2024.24010
8. Chen, X., & Feng, S. (2024). Analyzing students' information behavior in generative AI-supported small group discussions. In Proceedings of the Eleventh ACM Conference on Learning@ Scale (pp. 325–329). https://doi.org/10.1145/3657604.3664657
9. Ford, N. (2015). Introduction to information behaviour. Facet Publishing.
10. Hinton, M., & Wagemans, J. H. (2023). How persuasive is AI-generated argumentation? An analysis of the quality of an argumentative text produced by the GPT-3 AI text generator. Argument & Computation, 14(1), 59–74. https://doi.org/10.3233/AAC-210026
11. Hohenstein, J., Kizilcec, R. F., DiFranzo, D., Aghajari, Z., Mieczkowski, H., Levy, K., ... & Jung, M. F. (2023). Artificial intelligence in communication impacts language and social relationships. Scientific reports, 13(1), 5487. https://doi.org/10.1038/s41598-023-30938-9
12. Illia, L., Colleoni, E., & Zyglidopoulos, S. (2023). Ethical implications of text generation in the age of artificial intelligence. Business ethics, the environment & responsibility, 32(1), 201–210. https://doi.org/10.1111/beer.12479
13. Janiūnienė, E. (2012). Studentų informacinę elgseną motyvuojantys veiksniai. Informacijos mokslai, 61, 83–92. https://doi.org/10.15388/Im.2012.0.1067
14. Janiūnienė, E., Stonkienė, M., & Šupa, M. (2024). Creating a Personal Learning Environment through Information Behavior Inspired by Teacher’s Feedback. Information & Media, 100, 70–91. https://doi.org/10.15388/Im.2024.100.5
15. Jeebakaran, M., & Shanmugathasan, S. (2022). Students’ information seeking behaviour. Sri Lanka Library Review, 36(1), 29–44. https://doi.org/10.4038/sllr.v36i1.48
16. Kalpokas, I., Šalaševičiūtė, V., & Lipskė, M. (2023). Technology as a Threat or a Solution? The Challenges of Responding to Synthetic Media. Baltic Journal of Law & Politics, 16(2), 1–22. https://doi.org/10.2478/bjlp-2023-0010
17. Liao, Q. V., & Sundar, S. S. (2022). Designing for responsible trust in AI systems: A communication perspective. In Proceedings of the 2022 ACM conference on fairness, accountability, and transparency (pp. 1257–1268). https://doi.org/10.1145/3531146.3533182
18. Meikle, G. (2022). Deepfakes. John Wiley & Sons.
19. Motawah, W. A., Sen, B., & Willett, P. (2020). Information use, information needs, and information behavior of graduate students at Kuwait University. MELA Notes, 93, 51–87. https://www.jstor.org/stable/27028296
20. Patricio, V. (2024). Data Governance for AI Training Data: Create, De-bias, and Improve Datasets to Train AI Algorithms and Models. O’Reilly Media, Inc. https://kaunokolegija.primo.exlibrisgroup.com/permalink/370KUOAS_INST/k0h5t0/cdi_safari_books_v2_0642572016388
21. Pawelec, M. (2022). Deepfakes and democracy (theory): how synthetic audio-visual media for disinformation and hate speech threaten core democratic functions. Digital society, 1(2), 19. https://doi.org/10.1007/s44206-022-00010-6
22. Pham, V. K., Pham Thi, T. D., & Duong, N. T. (2024). A study on information search behavior using AI-powered engines: Evidence from chatbots on online shopping platforms. Sage Open, 14(4), 21582440241300007. https://doi.org/10.1177/21582440241300007
23. Radtke, A., & Rummel, N. (2025). Generative AI in academic writing: Does information on authorship impact learners’ revision behavior? Computers and Education: Artificial Intelligence, 8, 100350. https://doi.org/10.1016/j.caeai.2024.100350
24. Radtke, A., & Rummel, N. (2025). Generative AI in academic writing: Does information on authorship impact learners’ revision behavior? Computers and Education: Artificial Intelligence, 8, 100350. https://doi.org/10.1016/j.caeai.2024.100350
25. Rahayu, Y. M., Zahra, N. A., & Koimah, S. M. (2025). Implementasi Artificial Intelligence Terhadap Perkembangan Digital Kewarganegaraan Mahasiswa. Academy of Education Journal, 16(1), 62–72. https://doi.org/10.47200/aoej.v16i1.2728
26. Rubinić, D. (2014). Information behaviour of university students: a literature review. Libellarium: časopis za istraživanja u području informacijskih i srodnih znanosti, 7(1), 105–118. https://doi.org/10.15291/libellarium.v7i1.201
27. Sheikh, H., Prins, C., & Schrijvers, E. (2023). Artificial intelligence: definition and background. In Mission Ai (pp. 15–41). Springer, Cham. https://doi.org/10.1007/978-3-031-21448-6_2
28. Singh, B., Kaunert, C., Malviya, R., Lal, S., & Arora, M. K. (2024). Scrutinizing consumer sentiment on social media and data-driven decisions for business insights: fusion of artificial intelligence (AI) and business intelligence (BI) foster sustainable growth. In Intersection of AI and Business Intelligence in Data-Driven Decision-Making (pp. 183–210). IGI Global Scientific Publishing. https://doi.org/10.4018/979-8-3693-5288-5.ch007
29. Šalaševičiūtė, V. (2024). Koordinuoti veiksmai sprendžiant DI sugeneruotus sintetinių medijų keliamus iššūkius. Mokslo taikomieji tyrimai Lietuvos kolegijose, 20(2), 72–79. https://doi.org/10.59476/mtt.v2i20.681
30. Šarlauskienė, L. (2023). Dirbtinis intelektas aukštajame moksle: viešosios komunikacijos Lietuvoje aspektas. Mokslo taikomieji tyrimai/Applied Research, 1(19), 188–197. https://doi.org/10.59476/mtt.v1i19.600
31. Tachie-Donkor, G., & Ezema, I. J. (2023). Effect of information literacy skills on university students’ information seeking behaviour and lifelong learning. Heliyon, 9(8). https://doi.org/10.1016/j.heliyon.2023.e18427
32. Whittaker, L., Kietzmann, J., Letheren, K., Mulcahy, R., & Russell-Bennett, R. (2023). Brace yourself! Why managers should adopt a synthetic media incident response playbook in an age of falsity and synthetic media. Business Horizons, 66(2), 277–290. https://doi.org/10.1016/j.bushor.2022.07.004
33. Wilson, T. D. (2024). Informacinės elgsenos tyrimas: įvadas. Vilniaus universiteto leidykla.
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Lina Šarlauskienė, Vaiva Šalaševičiūtė, Miglė Gedminė
This work is licensed under a Creative Commons Attribution 4.0 International License.
